Bizi takip edin
|
EN

MÜHENDİSLİK FAKÜLTESİ

Bilgisayar Mühendisliği

CE 477 | Ders Tanıtım Bilgileri

Dersin Adı
Veri Bilimi
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
CE 477
Güz/Bahar
3
0
3
5

Ön-Koşul(lar)
Yok
Dersin Dili
İngilizce
Dersin Türü
Seçmeli
Dersin Düzeyi
Lisans
Dersin Veriliş Şekli -
Dersin Öğretim Yöntem ve Teknikleri Grup çalışması
Problem çözme
Anlatım / Sunum
Dersin Koordinatörü
Öğretim Eleman(lar)ı
Yardımcı(ları) -
Dersin Amacı Bu ders, verilerden faydalı bilgilerin öğrenilmesinin ve kullanışlı tahminler yapılabilmesinin temel prensipleri ve metotlarını içermektedir. Bu derste veri elde etme, veri görselleştirme, veri incelenmesi, istatistiksel veri analizi, ve veri analizi için otomatik öğrenmenin kullanımı incelenecektir. Dersin ana amacı kişisel bir veri bilim projesi uygulayarak öğrencilere pratik ve modern veri analiz yetenekleri sağlamaktır.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • veri toplama, temizleme ve analiz için bilgisayar araçlarını tanımlayabilecektir,
  • veri incelemek için istatistiksel yöntemler ve görselleştirme uygulayabilecektir,
  • verilerden tahminler yapmak için istatistiksel ve hesaplamalı yöntemler kullanabilecektir,
  • otomatik öğrenme yöntemleri ile veri analizi yapabilecektir,
  • veri analizi sonucunu bildirmek için istatistik ve veri görselleştirme araçları kullanabilecektir.
Ders Tanımı Aşağıdaki konular ders programına dahil olacaktır: verinin elde edilmesi ve temizlenmesi, verinin incelenmesi, verinin istatistiksel olarak modellenmesi ve istatistiksel sonuç çıkartma, veri bilimi için otomatik öğrenme araçlarının kullanımı, doğrusal regresyon, destek vektör makineleri, k-en yakın komşuluk, naif Bayes, lojistik regresyon, karar ağaçları, rastgele ormanlar, gruplandırma, boyut azaltma, aşırı uyum, çarpaz geçerlilik, öznitelik mühendisliği.

 



Dersin Kategorisi

Temel Ders
Uzmanlık/Alan Dersleri
X
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

 

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta Konular Ön Hazırlık
1 Giriş Ünite 1
2 Girdi: Kavramlar, örnekler, nitelikler Ünite 2
3 Çıktı: Bilgi temsili Ünite 3
4 Veri Görselleme ve Önişleme Ünite 7
5 Sınıflandırma ve Regresyon Ünite 4
6 Zaman Serileri Analizi Ünite 4
7 Ara Sınav I
8 Birliktelik Analizi Ünite 4
9 Kümeleme Ünite 4
10 Değerlendirme Ünite 5
11 Topluluk Öğrenmesi Ünite 6
12 Veri Analizi Uygulamaları Ünite 8
13 Veri Analizi Uygulamaları Ünite 8
14 Ara Sınav II
15 Dönemin gözden geçirilmesi
16 Final Sınavı

 

Ders Kitabı

I. E. Witten et al, “Data Mining: Practical Machine Learning Tools and Techniques”, Morgan Kaufmann, 2016, ISBN 978-0128042915

Önerilen Okumalar/Materyaller

J. Grus, “Data Science from Scratch: First Principles with Python”, O’Reilly Media, 2015, ISBN 9781491901427- 9781491904381 (Ebook);

T. Hastie, R. Tibshirani, J. Friedman “The Elements of Statistical Learning”, Springer, 2013, ISBN 9780387216065;

S. Raschka, “Python Machine Learning”, Packt Publishing, 2015, ISBN 9781783555147;

R. D. Peng, E. Matsui, “The Art of Data Science”, https://leanpub.com/artofdatascience

Han, Jiawei, Jian Pei, and Hanghang Tong. Data mining: concepts and techniques. Morgan kaufmann, 2022.

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri Sayı Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
2
60
Final Sınavı
1
40
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
2
60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
1
40
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri Sayı Süre (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x teorik ders saati)
16
3
48
Laboratuvar / Uygulama Ders Saati
(Sınav haftası dahildir. 16 x uygulama/lab ders saati)
16
0
Sınıf Dışı Ders Çalışması
14
2
28
Arazi Çalışması
0
Küçük Sınav / Stüdyo Kritiği
0
Portfolyo
0
Ödev
0
Sunum / Jüri Önünde Sunum
0
Proje
0
Seminer/Çalıştay
0
Sözlü Sınav
0
Ara Sınavlar
2
20
40
Final Sınavı
1
24
24
    Toplam
140

 

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#
Program Yeterlilikleri / Çıktıları
* Katkı Düzeyi
1
2
3
4
5
1

Matematik, Fen Bilimleri ve Bilgisayar Mühendisliği konularında yeterli bilgi sahibidir; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanır.

X
2

Karmaşık Bilgisayar Mühendisliği problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaca uygun analiz ve modelleme yöntemlerini seçer ve uygular.

X
3

Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlar; bu amaçla modern tasarım yöntemlerini uygular.

4

Bilgisayar Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirir, seçer ve kullanır; bilişim teknolojilerini etkin bir şekilde kullanır.

X
5

Karmaşık Bilgisayar Mühendisliği problemlerinin veya araştırma konularının incelenmesi için deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar.

6

Bilgisayar Mühendisliği disiplini içinde ve çok disiplinli takımlarda etkin biçimde çalışır; bireysel çalışma sergiler.

7

Türkçe sözlü ve yazılı etkin iletişim kurar; etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlar, etkin sunum yapar, açık ve anlaşılır talimat verir ve alır.

8

Bilgisayar Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibidir; mühendislik çözümlerinin hukuksal sonuçlarının farkındadır.

9

Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilincine sahiptir; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi sahibidir.

10

Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi sahibidir; girişimcilik, yenilikçilik hakkında bilinçlidir; sürdürülebilir kalkınma hakkında bilgi sahibidir.

11

Bir yabancı dili kullanarak Bilgisayar Mühendisliği ile ilişkili konularda, bilgi toplar ve meslektaşları ile iletişim kurar. ("European Language Portfolio Global Scale", Level B1)

12

İkinci yabancı dili orta düzeyde kullanır.

13

Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilgiye erişir, bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler; insanlık tarihi boyunca oluşan bilgi birikimini Bilgisayar Mühendisliği alanıyla ilişkilendirir.

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

 


SOSYAL MEDYA

İzmir Ekonomi Üniversitesi
izto logo
İzmir Ticaret Odası Eğitim ve Sağlık Vakfı
kuruluşudur.
ieu logo

Sakarya Caddesi No:156
35330 Balçova - İzmir / TÜRKİYE

kampus izmir

Bizi Takip edin

İEU © Tüm hakları saklıdır.